【问题标题】:Calculate moving averages through a dictionary of dataframes with Pandas使用 Pandas 通过数据框字典计算移动平均值
【发布时间】:2020-12-16 19:45:02
【问题描述】:

我有一张包含实时股票价格的 Excel 表格,我通过 XLWings 将其提取到数据框中。我按设定的时间间隔拍摄此数据帧的快照,并将每个快照数据帧添加到以快照时间为键的字典中。

t = datetime.datetime.now()
tn = t + datetime.timedelta(seconds=1800)
dict_of_df = {}
while datetime.datetime.now()<tn:
    key_name = 'df_' + str(datetime.datetime.now().strftime("%H:%M:%S"))
    dict_of_df[key_name] = copy.deepcopy(df)
    print(dict_of_df.keys())
    time.sleep(300)

然后我可以从中提取一个包含当时股票价格的数据框。示例输出如下。字典中每个 df 的数据帧结构都是相同的。以下是示例表。完整的数据框为 71 行 x 6 列:

Ticker Last Bid Ask
AEFES 23.06 23.04 23.06
AFYON 4.41 4.40 4.41
AKBNK 6.38 6.38 6.39

现在我需要计算从字典中每个数据帧中选取的 Ticker 下的每只股票的移动平均值,并将结果输出到一个新的单个数据帧。

除了为每个时间范围内的每个股票价格创建一个数据框、计算移动平均线并一一循环遍历它们之外,是否还有一种有效的方法?

现在我需要计算下每只股票的移动平均价格

【问题讨论】:

  • 使用grouby滚动
  • 您能否更好地指定您希望输出的外观?是每个快照的平均值,还是快照的移动平均值;或每个快照的移动平均值,然后结合一些如何?另外,请不要放入您的数据图片,而是放入实际(测试)数据。这样我们就可以尝试解决您的问题,而无需花费很长时间来重现问题。
  • @GijsWobben ,我放置了一个示例 3 行输出表而不是图片。我正在定时拍摄价格快照。我需要做的是,例如,每 5 分钟间隔的 AEFES 最后价格,并为其创建一个移动平均线。我还需要对所有 71 行价格执行此操作。我可以为每个包含所有快照价格的代码创建 71 个数据帧,创建移动平均线,然后将它们合并到一个数据帧中,但我想问是否有更简单、更有效的方法来做到这一点。
  • 您可以使用列表或字典中的数据框。为移动平均线构建一个通用方法,该方法接收并返回一个 df,然后通过字典理解运行它:new_df_dict = { k: myfunctiontocalcMA(df) for k,df in df_dict.items() } 或直接应用 MA:new_df_dict = { k: df.assign(...) for k,df in df_dict.items() }。请research移动平均线计算并试一试!

标签: python pandas dataframe moving-average


【解决方案1】:

这可能有点违反直觉,但将所有内容组合到一个数据帧中会更快更高效。我不确定您为什么将时间戳作为字符串存储在 de 字典中(键也可能只是时间戳),但我暂时保留它。

试试这样的:

import pandas
import random
import string

# Create some test data (should look similar to yours)
tickers = ["AEFES", "AFYON", "AKBNK"] + [''.join(random.choices(string.ascii_uppercase + string.digits, k=5)) for _ in range(68)]
dfs = {
    f"df_{timestamp.strftime('%H:%M:%S')}": pandas.DataFrame(
        [
            {
                "Ticker": ticker,
                "Last": random.randint(0, 50),
                "Bid": random.randint(0, 50),
                "Ask": random.randint(0, 50),
                "Other_1": random.randint(0, 50),
                "Other_2": random.randint(0, 50),
                "Other_3": random.randint(0, 50),
            }
            for ticker in tickers
        ]
    ).set_index("Ticker")
    for timestamp in pandas.date_range("2020-01-01", periods=100, freq="5min")
}

# Combine all dataframes into a single dataframe
df = pandas.concat([df.unstack().rename(key) for key, df in dfs.items()], axis=1).T

# Take the rolling mean (= moving average) over 6 periods (= 1/2 hour)
moving_averages = df.rolling(6).mean()

【讨论】:

  • 感谢您的帮助。它确实以这种方式工作,除了一个问题:所有列都作为对象返回,并且滚动不可能以这种方式进行。我尝试了 astype(float) 转换但没有用。 .convert_objects(convert_numeric=True) 也不起作用。您对此有什么建议吗?
  • 看看to_numeric()。如果这不起作用,您将不得不显示一些输出,因为没有它很难看到发生了什么。
  • 选择列并使用 to_numeric 进行转换与前一部分一样完美。感谢所有帮助@gijs-wobben
猜你喜欢
  • 2018-06-22
  • 2016-02-12
  • 1970-01-01
  • 2018-05-08
  • 1970-01-01
  • 2019-04-19
  • 2017-02-06
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多